Ensemble Support Vector Machine
Ensemble Support Vector Machine kombinerer flere uavhengig trente SVM-klassifikatorer eller -regressorer — hver tilpasset en forskjellig datapartisjon, bootstrap-prøve eller trekkundergruppe — og aggregerer deres utdata via avstemming, gjennomsnittsberegning eller stabling. Tilnærmingen reduserer den høye beregningskostnaden og følsomheten for kjernehyperparametere som er iboende i en enkelt storskala SVM, samtidig som generalisering på komplekse eller høydimensjonale datasett forbedres.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Kim, H.-C., Pang, S., Je, H.-M., Kim, D., & Bang, S. Y. (2002). Constructing support vector machine ensemble. Pattern Recognition, 36(12), 2757–2767. DOI: 10.1016/s0031-3203(03)00175-4 ↗
- Dietterich, T. G. (2000). Ensemble methods in machine learning. In Multiple Classifier Systems (MCS 2000), Lecture Notes in Computer Science, vol. 1857, pp. 1–15. Springer. DOI: 10.1007/3-540-45014-9_1 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/no/machine-learning/ensemble-support-vector-machine
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bagging (Bootstrap Aggregating)Maskinlæring↔ compare
- BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StackingMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →